[发明专利]基于三角卷积的天线阵列波达角估计方法、系统及应用

权利要求书

1.一种基于三角卷积的天线阵列波达角估计方法，其特征在于，所述基于三角卷积的天线阵列波达角估计方法包括：

波达角估计模型初始化，包括构建TDCD模型、初始化模型的训练样本集、初始化模型可训练参数；

根据基于多分区中央差分算法的误差函数，对每一个输入进模型的协方差上三角矩阵样本，计算损失函数值；

根据损失函数值使用梯度下降法训练TDCD模型；

将待估计信号的协方差上三角矩阵作为输入，通过TDCD模型得到输出模型前向运算输出节点的值；

计算得到模型所估计的波达角。

2.如权利要求1所述的基于三角卷积的天线阵列波达角估计方法，其特征在于，通过TDCD模型得到输出模型前向运算输出节点的两个向量V_C和V_R；根据以及得到模型所估计的波达角。

3.如权利要求1所述的基于三角卷积的天线阵列波达角估计方法，其特征在于，所述基于三角卷积的天线阵列波达角估计方法具体包括以下步骤：

步骤一，使用多层变形三角卷积层、批归一化层、激活层和全连接层构建TDCD模型，其中包括特征提取器、多分区分类器和角度回归器；

步骤二，使用R＝E{XX^H}计算阵列信号矩阵X的协方差上三角矩阵，用Q个信号样本的协方差矩阵组成协方差样本集Ω＝{ω₁，ω₂，...ω_q}，将协方差样本集和对应的信号角度Θ＝{θ₁，θ₂，...θ_q}一一配对，组成模型训练集S＝{(ω₁，θ₁)，(ω₂，θ₂)，...(ω_q，θ_q)}；

步骤三，轮流将训练集中的样本(ω_q，θ_q)作为TDCD的输入，使用TDCD模型对输入样本进行前向传播运算，并产生多分区分类器的输出向量V_C以及角度回归器的输出向量V_R；

步骤四，根据V_C、V_R和基于多分区中央差分算法的损失函数计算TDCD模型的损失函数值L；

步骤五，根据所述损失函数值L进行反向计算得到TDCD模型可训练参数的梯度G；

步骤六，根据所述梯度G使用梯度下降法更新TDCD模型的可训练参数；

步骤七，重复步骤三至步骤六完成TDCD模型的训练；

步骤八，将待估计的阵列信号的协方差上三角矩阵为模型输入，使用训练完的TDCD模型，计算模型前向运算的和

步骤九，使用和计算阵列信号的波达角θ。